视频图像处理算法

1.基于网格划分

传统算法：以前的一些算法是对整个视频帧进行特征提取，然后再对特征点进行追踪。可是这样会导致在纹理信息丰富的地方特征点提取比较多，反之，纹理少的区域能够提取的特征点少 或者没有，从而导致特征点在整幅图的分布不均匀，使得可追踪特征点分布不均，防抖质量差。

改进方法：首先将视频帧做网格划分，因为不同网格内的纹理信息不一样，所以我们给不同 网格自动分配不同的阈值，从而保证纹理少的网格内也能提取到足够多的特征点， 既让纹理少的区域得到了足够多的特征点，又保证了特征点分布的均匀性

2.光流法目标追踪

既保证了特征点追踪的稳定性，又不需要对所有的特征点做一对一的匹 配，提高了匹配的速度

目标跟踪融合了图像处理、机器学习、最优化等多个领域的理论和算法，是完成更高层级的图像理解

目标跟踪专栏（一）基本任务、常用方法 - 知乎 (zhihu.com)

3.线追踪提高防抖算法的稳定性 

传统算法：传统的视频防抖算法都是只对可追踪 点的路径做平滑，仅仅依赖于视频中的特征点

改进方法：首先提取视频帧中的线段，并用线段上的多个点来表示线段，再根据网格划分的光流追踪法，对线段进行追踪，从而补充特征点的不足。这样，保证了算法在特征点少的情况下依然可以根据线段来估计相机抖动的路径，从而保证了算法的鲁棒性。

3.角点检测算法

【OpenCV】 Octave | 角点检测 | SIFT/SURF算法_surf角点检测_流继承的博客-CSDN博客